redis中SDS与C语言中字符串的对比

redis并没有直接重用C语言中的字符串，而是自己定义了一个SDS（SDS结构在另一篇文章中）。在存储时，SDS中的buf数组沿用了C语言以空字符串结尾的惯例，方便重用一部分C语言的函数库。

那么为什么redis要自己定义一个SDS结构呢？

1. 在C语言中，字符串不会记录自己的长度，如果要获取一个字符串的长度，需要遍历整个字符串，并且计数，直到遇见空字符‘\0’为止，此时时间复杂度为O(n)。而SDS中专门使用len属性来保存字符串的长度，获取字符串长度的时间复杂度为O(1)。（这里说明redis中获取String对象长度的命令是：STRLEN key）
2. 防止缓冲区溢出。在对SDS修改时，会先检查SDS的alloc值，也就是未使用的空间是不是满足修改所需要的大小，如果不满足，那么会自动将SDS的空间扩展到满足需要的大小。这样避免了因为没有足够的空间而造成buf数组溢出。
3. C语言中字符串的底层实现是一个N+1长的数组（N就是字符串长度，再加上空字符‘\0’），每次增长或者缩短一个字符串时，都需要对数组进行一次内存重分配操作：（1）增长字符串，如果忘记扩展数组，那么会造成内存溢出；（2）缩短字符串，如果忘记释放多余空间，那么会造成内存泄漏。SDS通过alloc属性来记录未使用空间，解决了这两个问题。SDS使用了两种优化策略：
   1. 空间预分配：用于优化字符串增长。当字符串增长时，不仅仅对SDS进行所需空间的扩展，还会对SDS分配额外的未使用空间。至于这个“分配的额外未使用空间（也就是alloc）”是多少，redis给出了两个公式：
      1. 如果对SDS修改之后，len<1MB，那么alloc的大小=len的大小。例如：进行修改之后的SDS，len=13bit，那么此时alloc也被分配13bit，加上额外1bit用来存放空字符串‘\0’，这时buf数组的实际长度=13+13+1=27bit
      2. 如果对SDS修改之后，len>=1MB，那么alloc=1MB。例如，修改之后SDS的len=30MB，那么此时buf的实际长度=30MB+1MB+1bit
      3. 这样的好处是：在扩展SDS之前总会去检查SDS是否有足够的alloc，假设此时因为前一次扩展分配的alloc能够满足此次的空间需求，那么此时就不必再进行一次扩展，也就是不需要再执行一次内存重新分配。
   2. 惰性空间释放：用于优化字符串缩短。当SDS保存的字符串需要缩短时，不会立即通过内存重分配来回收多余字节，而是将多余字节记录到alloc属性中，等待将来扩展时使用。redis也提供了相应的释放内存空间的API，不用担心内存泄露。
4. C语言中是根据空字符‘\0’来判断字符串是否已结尾，这样就不能保存例如图片、视频这样的二进制数据。比如现在需要多个空字符来分割多个字符串，如下。那么在C语言中只会读取到“redis”，而读取不到“cluster”；SDS则是根据len属性来判断字符串是否结尾，所以不必担心，这样redis不仅可以保存文本数据，还可以保存任意二进制数据。

‘r’

'e'

'd'

'i'

's'

'\0'

'c'

'l'

'u'

's'

't'

'e'

'r'

'\0'

 

以下是来自《redis设计与实现》一书中对C语言字符串和SDS的对比表

C字符串	SDS
获取字符串长度的复杂度为O(N)	获取字符串长度的复杂度为O(1)
API是不安全的，可能会造成缓冲区溢出	API是安全的，不会造成缓冲区溢出
修改字符串长度N次必然需要执行N次内存重分配	修改字符串长度N次最多需要执行N次内存重分配
只能保存文本数据	可以保存文本数据或者二进制数据
可以使用所有的<string.h>库中的函数	可以使用一部分<string.h>库中的函数

• SDS相关的API可以在sds.h 和 sds.c中查看